Modelos de IA

Presentación del Curso

Introducción de los Docentes

• La docente azul y Alci Vallejo se presentan como responsables de dos cursos paralelos. Se busca que los estudiantes se sientan cómodos en el entorno sincrónico.

• Se menciona la presencia de un tutor, Javier, quien también apoyará a los alumnos durante el curso.

Bienvenida y Expectativas

• Se da la bienvenida a los participantes y se les informa sobre la falta de actividades entregadas en el foro, invitándolos a realizar consultas específicas.

• Un estudiante expresa dificultades para ingresar al chat, sugiriendo problemas con el sistema más que con las configuraciones individuales.

Desafíos en Grupos Heterogéneos

Dificultades en la Colaboración

• Un alumno comenta sobre la complejidad de trabajar en grupos heterogéneos debido a las diferentes áreas de especialización, lo que dificulta encontrar un tema común para los trabajos.

• La docente aclara que no es necesario elegir un tema relacionado directamente con su cátedra; pueden optar por temas que les interesen personalmente.

Importancia del Aprendizaje

• Se enfatiza que lo crucial es aprender a usar las herramientas disponibles, independientemente del tema elegido para el trabajo grupal. Esto puede incluir temas variados e incluso inusuales como recetas de cocina.

Enfoque Crítico hacia Herramientas

Uso Crítico de Recursos

• La docente destaca la importancia de tener una mirada crítica hacia las herramientas tecnológicas y su funcionamiento, mencionando sesgos y alucinaciones posibles en su uso. Esto es esencial para un uso adecuado y consciente.

Perspectiva del Curso

• Se plantea que este curso tiene como objetivo no solo enseñar a utilizar herramientas sino también fomentar una discusión crítica sobre sus implicaciones éticas y sociales relacionadas con la inteligencia artificial (IA).

Estructura del Curso

Contenido General

• El curso abordará cómo funcionan modelos como LLM (Modelos de Lenguaje Grande), así como técnicas para crear prompts efectivos, buscando empoderar a los docentes en su uso práctico dentro del aula.

Módulos Propuestos

1. Módulo 1: Introducción básica sobre IA y multimodalidad.

2. Módulo 2: Trabajo con audio y avatares.

3. Módulo 3: Asistentes virtuales aplicados al ámbito educativo.

4. Módulo 4: Creación de materiales interactivos sin necesidad de programación avanzada.

Cada módulo está diseñado para desarrollar competencias prácticas relevantes para los docentes universitarios actuales.

Comprendiendo la Inteligencia Artificial

Definición Básica

• La IA se define como cualquier dispositivo o software capaz de imitar actividades humanas, especialmente aquellas relacionadas con el pensamiento crítico y comprensión del lenguaje natural.(1829]

Limitaciones Intrínsecas

• A pesar de su apariencia humanizada, estos sistemas carecen realmente de conciencia; son herramientas avanzadas diseñadas para resolver problemas mediante patrones extraídos masivamente desde internet.(1865]

Este enfoque permite entender mejor tanto las capacidades como las limitaciones inherentes a estas tecnologías emergentes.(1910]

¿Cómo funciona la grabación y el entrenamiento de modelos de IA?

Introducción a la grabación

• Se menciona que la grabación comenzó hace 50 minutos, lo que indica un inicio formal de la clase.

• Se explica que cuando el administrador de la reunión se retira, la responsabilidad de la grabación pasa al siguiente usuario presente.

Problemas técnicos durante la clase

• José Manuel aparece en primer plano debido a un fallo técnico con el dispositivo del administrador.

• Alcira menciona problemas con su conexión a internet, lo que puede causar interrupciones en su participación.

Continuidad y gestión de grabaciones

• Hay incertidumbre sobre si es necesario reiniciar la grabación para asegurar su continuidad.

• Se discute cómo compartir y garantizar que las grabaciones estén disponibles después de finalizada la clase.

¿Cómo aprende una máquina?

Proceso básico del aprendizaje automático

• La máquina se entrena con grandes volúmenes de datos para predecir cuál es la palabra más probable que sigue en una oración.

• A medida que recibe más datos, mejora su capacidad para resolver preguntas complejas y generar texto coherente.

Aplicaciones prácticas del aprendizaje automático

• Las máquinas pueden ayudar en tareas como redacción de borradores, planificación educativa y creación de materiales didácticos personalizados.

• También se mencionan asistentes virtuales y tutores personalizados como aplicaciones futuras del modelo.

Desarrollo y ajuste fino del modelo

Etapas iniciales del modelo

• El modelo comienza como "crudo", solo capaz de completar texto basado en estadísticas sin comprensión contextual o ética.

Importancia del ajuste fino

• El ajuste fino implica entrenar al modelo con ejemplos específicos para mejorar sus respuestas y hacerlas más relevantes para los usuarios.

Sesgos en los modelos de IA

Orígenes del sesgo

• Los sesgos pueden surgir tanto durante el preentrenamiento (debido a datos sesgados en internet), como durante el ajuste fino si no se maneja adecuadamente.

Consecuencias del sesgo

• Los modelos reflejan los sesgos presentes en nuestra sociedad, lo cual puede influir negativamente en sus respuestas.

Interacción entre humanos e inteligencia artificial

Ajuste humano y retroalimentación

• La retroalimentación humana busca neutralizar ciertos sesgos introducidos por los datos originales utilizados durante el entrenamiento inicial.

Riesgos asociados a ser amable

• La tendencia hacia respuestas amables puede llevar a errores sutiles donde el modelo evita ser directo o claro al responder preguntas difíciles.

Ventana de contexto: limitaciones y capacidades

Definición y función

• La ventana de contexto actúa como memoria temporal; limita cuánta información puede procesar simultáneamente un modelo durante una conversación.

Impacto práctico

• Si se excede esta ventana, el modelo comenzará a olvidar partes anteriores del diálogo, afectando así la calidad y coherencia de las respuestas.

Problemas y Oportunidades del Cloud

Costos y Accesibilidad

• El cloud es excelente para la redacción, pero su costo está aumentando, lo que reduce las opciones de uso gratuito.

• Los usuarios que pagan suscripciones notan una disminución en los servicios ofrecidos sin un aumento en el precio.

Conexión de Datos Externos

• Se discute si los modelos se conectan a datos externos, como internet o material proporcionado por el usuario.

• La generación aumentada se refiere a cómo los modelos pueden mejorar sus respuestas mediante la recuperación de información externa (RAG).

Técnicas de Generación Aumentada

Optimización de Respuestas

• La técnica RAG optimiza las respuestas combinando el conocimiento del modelo con información externa en tiempo real.

Evolución de Modelos

• Al principio, modelos como ChatGPT no podían acceder a información actualizada; ahora todos pueden conectarse a internet para obtener datos recientes.

Conexiones y Actualizaciones en Tiempo Real

Acceso a Información Actualizada

• Los modelos actuales pueden conectarse constantemente a internet para verificar la actualidad de la información antes de responder.

Privacidad y Datos del Usuario

• Algunos modelos permiten conexiones a bases de datos privadas del usuario, garantizando mayor privacidad y precisión en las respuestas basadas en bibliografía específica.

Modelos Razonadores

Arquitecturas de Razonamiento

• Los modelos razonadores imitan el razonamiento humano al dividir problemas complejos en pasos más simples, conocidos como cadenas de pensamiento.

Evaluación Continua

• Estos modelos revisan sus respuestas tras realizar una cadena lógica, lo que puede llevar más tiempo pero mejora la calidad final.

Capacidades Multimodales

Interpretación Visual y Auditiva

• Los modelos multimodales pueden interpretar imágenes y audio, permitiendo análisis más complejos que solo texto.

Aplicaciones Prácticas

• Ejemplos incluyen vehículos autónomos que interpretan su entorno o sistemas que analizan música e imágenes.

Agentes Inteligentes

Funcionalidad Avanzada

• Nuevos agentes pueden ejecutar tareas automáticamente en computadoras, aunque esto presenta riesgos si no se configuran correctamente.

Herramientas Disponibles

• Plataformas como Make o N8N ofrecen herramientas gratuitas para crear agentes personalizados que automatizan tareas específicas.